[发明专利]一种基于级联结构的会场内座位状态检测方法

权利要求书

1.一种基于级联结构的会场内座位检测方法，其特征在于，该方法包括以下步骤：

步骤1，对在会场内采集到的视频序列中的每帧图像数据进行高斯平滑滤波以消除噪声的影响；

步骤2，基于所述步骤1滤波后得到的图像数据，用预先人工标定好的座位位置获取每个座位的座位区域，每个座位区域即为一个座位块；

步骤3，基于会场背景视频建立背景模型；

步骤4，基于所述步骤3建立的背景模型，将每个座位块与其对应的背景区域做差分，获取表示该座位块与背景之间的差异的全局特征；

步骤5，选取全空座位作为正样本，被遮挡的座位和有人座位作为负样本，建立训练样本库，提取每个样本的全局特征，训练得到粗分类器，根据所述步骤4提取出的每个座位块的全局特征，用所述粗分类器判断每个座位块是否为未被任何物体遮挡的全空座位，并将全空座位标记为+1，将被遮挡的空座位和有人座位标记为-1；

步骤6，对于所述步骤5中标记为-1的座位块，提取其加权梯度方向直方图特征；

步骤7，将所述步骤6得到的每个标记为-1的座位块的加权梯度方向直方图特征与其局部二值模式LBP特征融合，获得该座位块的最终纹理特征；

步骤8，在训练样本库中选取局部被遮挡、以及放有衣服或包的空座位作为正样本，选取有人座位作为负样本，提取每个样本的最终纹理特征，训练得到细分类器，根据所述步骤7提取得到的每个座位块的最终纹理特征，使用所述细分类器检测所述座位块是否有人就座，并将无人就座的座位标记为+1，有人就座的座位标记为-1；

步骤9，基于对每帧图像的检测结果，在一较短时间内，对该时间期间根据所述步骤8得到的每个座位块的所有帧的检测结果进行中值滤波，以消除因分类错误而引起的检测结果不稳定；

步骤10，在一较长时间内，对该时间内经中值滤波后的每个座位块的所有帧做帧间差分，未检测到有运动信息的座位标记为空座位，从而获得对每个座位的最终检测结果。

2.根据权利要求1所述的方法，其特征在于，所述座位块的大小和位置以其最小外接矩形的大小和位置来表示，不同的座位块以其座位号为标识。

3.根据权利要求1所述的方法，其特征在于，所述步骤3进一步为：

首先，预先选取一段与所述视频序列具有相同的相机视角、其中的每个座位为全空状态、并且光照条件与所述视频序列中的光照条件相同的会场内视频作为会场背景视频；

然后，取该会场背景视频中所有帧的平均值作为背景模型。

4.根据权利要求1所述的方法，其特征在于，所述步骤4中，将每个座位块与其对应的背景区域做差分的步骤进一步包括：

将每一座位块与其对应的背景区域分别在梯度图和HSV颜色空间内做差，得到每一座位块的前景全局描述；

设置每一座位块的感兴趣ROI区域，将所述ROI区域内的图像与其对应的背景区域分别在梯度图和HSV颜色空间内做差，得到所述ROI区域的前景全局描述。

5.根据权利要求4所述的方法，其特征在于，所述ROI区域的大小和位置根据座位被遮挡的程度和位置设置。

6.根据权利要求1所述的方法，其特征在于，所述步骤4中的全局特征可描述为：

f₁＝{s_grad，s_HSV，s_{grad_s}，s_{HSV_s}}，

其中，f₁表示某一座位块的全局特征，s_grad表示该座位块与其背景所对应的梯度图像经差分后得到的前景像素比例，s_HSV表示该座位块与其背景在HSV颜色空间差分后得到的前景像素比例，s_{grad_s}表示该座位块的ROI区域与其背景所对应的梯度图像经差分后得到的前景像素比例，s_{HSV_s}表示该座位块的ROI区域与其背景在HSV颜色空间差分后得到的前景像素比例。

7.根据权利要求1所述的方法，其特征在于，所述加权梯度方向直方图特征的提取进一步包括以下步骤：

步骤61，将座位块等分成多个小块，每一块称为一个胞元；

步骤62，对每个胞元提取其加权梯度方向直方图特征；

步骤63，将每个胞元的加权梯度方向直方图特征按照对其所在座位块不同的区分能力加权，得到该座位块最终的加权梯度方向直方图特征。